大沽河流域水文要素监测体系建设与实践成果

降水是指从云中降落至地球表面的所有固态和液态的水分，是陆地表面水文气象的重要因素，对区域水循环过程和水平衡都具有重要的意义。降水及其分布以自上而下的方式影响陆地水文生态等过程，例如，产生地表径流、导致土壤水分发生变化等。然而，降水过程作为一种复杂的自然现象，在时空分布上具有显著的变异性特征。因此，获取高时空分辨率的降水数据，对于认识与理解陆地表面过程至关重要。

传统的降水观测手段主要是地面气象站点采用雨量仪器设备（如雨量计、地基雷达）直接观测地面降水量，并通过插值方法获取区域数据。站点观测具有较高的精度，但由于雨量计或地基雷达在陆地上分布不均，在海洋上分布更加稀少，其获取的点状降水数据存在着点位密度与分布不均匀的问题，插值结果的精度难以得到保证，具有宏观性的卫星观测则可以弥补这些缺陷。

基于卫星遥感技术对降水的时空分布进行精准测量，成为近50年来最富有挑战性的科学研究目标之一。早期的遥感降水反演主要依赖于被动遥感，包括地球静止卫星和近地轨道卫星上搭载的可见光、红外和被动微波传感器。地球静止卫星上可见光和红外传感器通常每隔数十分钟对目标区域进行一次观测，时间分辨率高，能够提供卫星云图，抓住一些生命史较短的降水云系统。搭载在近地轨道卫星上的各类传感器在扫描时会出现盲区，但是微波通道提供的卫星云图，可以有效地减少卷云对降水反演精度的影响。1997年11月发射的热带降雨观测卫星（TRMM）搭载了世界上第一台星载降水雷达，开创了全球降水监测的新时代。

近几十年来，人们针对各类传感器研发的降水反演算法已达上百种，既有经验型算法，也包括基于物理原理的算法。根据不同的传感器类型，目前已有的各类卫星遥感降水反演算法分为可见光（VIS）/红外（IR）反演、被动微 波（passive microwave，PMW）反演、主动微波（active microwave，AMW，雷达）反演以及多传感器联合（multi-sensor，MS）反演等4种类型。

可见光/红外降水反演算法是最早提出而且也是最为简单的一种方法，该算法利用了冷云和暖云的物理性质。冷云和暖云的存在与对流有关，对流云系会产生降水。可以说，降水是大气动力与热力作用的综合结果，这种作用不仅决定了云中的降水，而且决定了降水云的外在形态。可见光及红外降水估计方法正是借助于可见光和红外扫描辐射仪对降水云外在形态的探测去推断云中的降水信息。对大量降水过程的定量分析表明：一些云图特征量（如云顶温度、温度梯度、云团的膨胀、穿透性云顶的存在、云体相对于云团中心的偏离量）与云底降水有着一定的对应关系。

强对流云团云顶温度是与降水强度关系最为密切的云图特征量。一般而言，降雨强度越强，其垂直发展高度越高，云顶温度便越低。在可见光及红外光波段测得的云顶信息，可用来间接估算地表降水。具体而言，即建立云顶红外温度与降雨概率和强度之间的关系。其中，目前应用最广泛的是地球静止业务环境卫星（GOES）的降水指数GPI（Arkin等，1987），其表达式为

式中：GPI 为降水指数，mm；t 为持续时间，h；rc为转换常数，3mm/h；Fc为面积不小于50km×50km 区域的冷云覆盖率，无量纲单位，变化区间是0～1。

云顶亮温低于235K 的云体，定义为冷云。GPI指数浅显易懂，简单易用，在40°N～40°S区域对流系统是主要的降水系统，而在纬度高于40°的地域这一算法存在很大的局限性。

基于GPI算法原理，Ba等（2001）提出了GOES多光谱降水算法（GMSRA），它使用GOES的5个可见光/红外波段（VIS/IR）数据，采用指数函数和二次曲线估计降雨强度，并利用湿度校正因子和云增长速率校正因子对初始估计结果进行修正。

除了GMSRA 算法之外，其他的VIS/IR 算法有Griffith- Woodley算法（1978）和　出　射　长　波　辐　射　降　水　指　数　法OPI（Xie 等，1997） 等。Ebert 等（1998）使用对地静止气象卫星GMS和地基雷达数据，在西太平洋海域对16种VIS/IR 降水反演算法进行了比较与分析，发现各种算法普遍高估降水。尽管各种算法在降水量估算值上存在不同程度的差异，但是它们所得出的降水空间分布则非常相似。

虽然VIS/IR 反演算法在估算精度上相对有限，但由于GEO 提供了长时间、相对连续的可见光/红外波段监测数据，可以提供非常精细的降水强度变化信息，所以VIS/IR 算法已经广泛应用于包括气象业务在内的各个领域之中。我国学者利用GMS、风云气象卫星（FY-2）等地球静止卫星资料，直接使用或者改进了 VIS/IR 降水反演算法，探讨了数种VIS/IR 算法在中国地区的适用性（杨义彬，2011；徐晶等，2005；陈利群等，2006）。其中，基于FY-2系列卫星的降水估算是国内最常用的降水反演方法。

与可见光和红外波段相比，被动微波（PMW）不仅具有穿透云雨大气的能力，到达星载微波辐射计的降水云体内部产生的辐射信息还直接包含了降水结构信息，所以利用微波资料反演降水更为直接，比VIS/IR 算法有更坚实的物理基础（李小青，2004）。迄今为止，根据微波辐射传输原理和海/陆微波辐射特性，人们提出了许多PMW 降水反演方法。其中，Wilheit等（1977）通过建立模拟或观测亮温与降雨率之间的简单回归关系，第一个提出了被动微波降水反演算法。目前在各类业务中得到广泛应用的统计- 物理混合算法是Ferraro算法（Ferraro，1997），它在海洋上的反演误差为50%，陆地上为75%（热带和夏季中纬度地区）。而在物理原理上更为严谨的算法基本上都建立在概率论基础上，其中戈达廓线算法（GPROF）应用得最多（Kummerow等，2001）。由于微波传感器仅安置在近地轨道卫星上，所以PMW 算法只适用于该类星载传感器。在海洋上传感器（低频段）的空间分辨率大约为50km×50km，在陆地上传感器（高频段）的空间分辨率大都低于10km×10km。

热带降雨测量卫星TRMM（tropical rainfall measuring mission satellite） 上搭载了第一台专门用于监测降水的主动式微波传感器（precipitation radar，PR，降水雷达），这也是目前世界上唯一的星载降水雷达仪器。它是一台相控阵天气雷达，主要使用13.8GHz频段来观测降水粒子和地球表面的反射能量，并且能够获得海洋和陆地降水的三维空间结构信息（Iguchi等，2000）。TRMM-PR 成功在轨运行极大地推动了基于星载雷达的降水反演算法研究（吴庆梅，2003）。星载雷达降水反演成为当前降水反演研究最重要的研究领域。

国外对TRMM 降水数据的研究领域涉及的范围广，不仅包括降水的一些微物理结构和气候特征等，还包括降水的时空分布情况。Hong等（2005）通 过TMI（TRMM microwave imager）瞬时降水数据对利用遥感信息估算降水的神经网络系统参数进行适当调整后，研究发现热带地区降水量在精度和稳定 性方面，通过PERSIANN（precipitation estimation from remotely sensed in- formation using artificial neural networks）估算均有所提高。Krishnamurti和Kishtawal（2000）把TRMM 卫星和Meteosat-5降水资料相结合，估算出亚洲范围内夏季风影响下降水的日变化分布情况。Berg等（2002）利用TRMM卫星PR 的降水资料对东、西太平洋赤道辐合带1999年12月至2000年2月的降水结构研究发现：两部分降水结构受地区差异的影响明显，在季节和年际变化上的差异也很显著。也有一些学者通过PR 降水资料探讨了大城市对降水空间分布的影响（Smith等，2007）。佛罗里达州立大学的研究人员把TRMM 卫星降水数据和SSMI（special sensor microwave imager）数据应用到天气预报的模式中，从而提高了局部地区乃至全球范围天气预报的准确性，进而也能够极大地提高对降水预报的精确度（Krishnamurti等，2001）。Lonfat 等（2004）通过TRMM 的TMI和PR 资料详细地分析了台风的降水水平分布、降水粒子的垂直分布以及热带气旋加热等情况。Liu等（2000）把Quik SCAT的海表面风资料和TRMM 降水资料相结合进行研究，结果表明飓风动力和水过程是相互作用、相互影响的。国内学者利用TRMM 卫星降水数据开展相关研究较晚（始于21 世纪初），研究主要集中在以下几个方面：（1）对台风降水结构的研究。在初期研究阶段，毛冬艳（2001） 通过TRMM 降水数据对Sam 台风做了相关研究。丁伟钰等（2002）利用 TRMM降水资料分析了在广州登陆的热带气旋降水的时空分布特征。 牛晓蕾等（2004）以桑达热带风暴和1999 年的9908 号热带风暴为研究对象， 利用TRMM 卫星的TMI降水资料，定量分析西北太平洋上热带气旋降水与水汽、潜热的相关关系。傅云飞等（2008）利用TRMM 卫星的 PR、TMI和VIRS传感器，对2004年发生的 “云娜” 台风隔离分析降水云和非降水云的特征。钟敏（2005）利用TRMM 测雨雷达的2A25数据，研究了1999年的9914号台风降水在3个不同时间点内降水的强度和垂直结构特征。

（2）对局地中尺度强对流天气系统降水结构研究。程明虎等（2001）采用TRMM 降水数据对1998年长江流域的暴雨展开了相应的研究，并借此分析了暴雨的降水强度、空间分布、降水类型以及暴雨的降水水平和垂直分布等结构特征。傅云飞等（2007）结合TRMM 卫星的测雨雷达 PR和微波成像仪获得的降水数据，分析了1996年和1998年分别发生在皖南地区和武汉地区的两个中尺度下降水的强度和空间分布情况及其降水的水平结构和垂直结构特征，以及与TMI微波亮温的关系。郑媛媛等（2004）采用TRMM 卫星上的测雨雷达、微波成像仪、可见光和红外扫描仪获取的降水资料，分析了 1999年发生在黄淮地区的冰雹降水过程。

（3）对大尺度范围内发生降水的特征研究。陈举等（2005）利用获取的 TRMM 卫星雷达降水数据，研究了南海及其周边区域降水的空间分布和季节变化特征。李锐等（2005）利用TRMM 卫星的测雨雷达的探测降水的结果，研究了1997和1998年厄尔尼诺后期热带太平洋的降水结构，并与1999年和2000年非厄尔尼诺同期的降水情况进行对比分析。傅云飞等（2007） 结合TRMM 卫星的PR、TMI、VIRS和 LIS等传感器对降水云进行综合探测，利用全球降水气候计划降水资料（GPCP）和中国气象站点实测的降水资料，研究了东南亚降水时空分布特点，并与PR、GPCP 以及地面实测降水进行对比分析。刘奇和傅云飞（2007）利用长时间序列的TRMM 降水资料，统计分析了亚洲夏季降水的水平分布特征，研究结果表明在孟加拉湾北部沿岸、中国南 海南部以及赤道西太平洋暖池形成了3个稳定的强降水中心，并利用GPCP 的地表降水数据，评估分析了整个亚洲范围内洋面、陆面和6个典型区域的 TMI降水精度。

（4）在中尺度数值模式中的应用研究。杨传国等利用TRMM 卫星的测雨雷达获取的降水数据，并结合分布式陆面水文模型，模拟流域中尺度下陆面水文的过程，利用该遥感数据对水文预报等研究领域进行性能评估。徐枝 芳通过MM5模式，并利用TRMM卫星的PR降水资料模拟了江淮流域两次暴雨发生的全过程；此外，徐枝芳还与葛文忠等改进了MM5中的积云参 数化Grell方案，并用该方案也模拟了1998年发生在江淮流域的两次特大暴 雨过程。丁伟钰在GRAPES三维变分通话系统的基础上，利用改进的郭晓岚 对流参数化方案作为观测算子，对TRMM卫星降水率资料进行同化。马雷鸣等分析了TRMM 卫星海表降水率数据的四维变分同化在热带气旋数值模拟中的重要性。

（5）对微波反演降水研究。毛冬艳（2001）采用TRMM 卫星的TMI降水数据，并在考虑到海洋、陆地和海岸3种不同下垫面情况下，反演中国及邻近地区的瞬时降水。姚展予等（2002）基于4种基于TRMM 卫星TMI亮温数据的方法，反演了1998年发生在中国江淮流域的夏季洪涝灾害情况，并对比分析了实测洪涝灾害，结果表明用TMI亮温数据反演地面洪涝灾害精度较 高，能够满足应用的需求。此外，还利用TMI的探测结果分析了陆地上空非降水云中的液态水路径的微波反演方案，并检验了该反演方案（姚展予等，2003）。王雨等（2006）利用TRMM卫星TMI的探测资料，分析了副热带地区非降水云液态水路径TMI的反演方案，并对反演结果进行了间接检验。钟中和王晓丹（2007）分析了TRMM 卫星TMI的微波亮温数据在反演陆地和海洋降水中存在的差异，且还把TRMM 卫星的TMI和PR 探测数据相结合，从台风Aere（2004年）接近台湾的观测资料中选取3个时间点的数据，采用4种不同的方法反演降水，并对比分析了这4种方法的反演结果。何文英等（2005）利用TRMM 卫星的PR 和TMI联合探测数据，以及河南省气象站点小时降水数据，比较验证了几种陆面降水的统计反演模型。王小兰（2009）利用物理方法把TRMM 卫星的TMI亮温资料用来反演整个中国范围内的陆地降水分布。

然而，PR 并非尽善尽美。 它的扫描宽度为216km（轨道抬升后为247km），观测范围有限。同时，它具有地基雷达的弱点，雷达观测数据的衰减校正和降水估算方法也受到诸多参数不确定性的影响。大量的对比研究发现，在反演瞬时降水方面PMW 算法的精准度要高于 VIS/IR 算法。由于GEO 卫星具有较高的时间采样频率，在反演连续降水方 面VIS/IR算法则具有更大的优势。结合VIS/IR算法和被动微波算法等进行联合反演可以弥补单一传感器算法存在的不足，而发展主/被动传感器的联合反演方法具有更加广阔的发展前景，因此近20 年来结合VIS/IR、PMW 和 PR 数据的联合反演降水算法（multi-Sensor precipitation estimation，MPE）层出不穷（刘元波等，2011）。

郭瑞芳等（2015）将MPE方法定义为：以GEO-IR 和/或LEO-PMW为主要数据源，并以星载降水雷达、地基雷达、其他卫星数据以及地面站点降水数据、雷电、风等数据中一种或者几种为辅助数据，利用数学和/或物理方法反演降水速率的过程。迄今为止，已经提出了很多种MPE 方法。根据主要数据源的不同，可以分为PMW-IR、PR-PMW、PR-IR 和PR-PMWIR，最常见的MPE 方法是PMW-IR。根据MS联合方法的不同，主要可以分为两类：标定法和云迹法。标定法是建立GEO-IR 和MW 的经验关系，以此对IR 做校正或者调整，利用校正后的IR 估算降水速率。最常见的标定法是用PMW 反演/估算的降水速率校正或者调整IR 估算的降水速率，从而得到精度较高的降水速率数据。标定法可以细分为3类：①地球静止业务环境卫星 （geostationary environmental satellites，GOES）降水指数（GEOS precipita- tion index）校正法，利用MW 校正GEO-IR 反演/估算的降水速率；②回归 法，PMW 反演/估算降水速率直接建立与IR 亮温（temperature brightness， Tb）的回归关系，基于此回归方程校正降水速率；③直方图或者概率匹配法， PMW 反演/估算的降水速率的累计分布函数和IR Tb进行匹配，从而获取IR Tb和降水速率的对应关系。云迹法是基于IR 获取云迹对PMW 反演/估算进行插值，从而得到大范围的降水速率数据。现有的MPE 方法大多数属于标定法，而云迹法较少。目前，3种广泛使用的反演算法分别是由Joyce等（2004）提出的气候预测中心形变算法（CMORPH），由Huffman等（2007）提出的TRMM 多卫星降水分析算法（TMPA），以及由Okamoto等（2005）发展的GSMaP降水反演算法。

MPE方法发展过程可以划分为两个阶段，以1979年为分界。第一阶段为初步发展阶段，主要是探讨MPE方法，研究区为局地，研究时间段较短，采用的数据源以地面测量数据、GEO 和PMW 数据（主要是SSM/I数据）为主，反演的降水数据分辨率较粗（2.5°×2.5°，月）。该阶段的主要标志是发展了调整GPI（AGPI）方法，并且发展了全球降水气候项目（GPCP）月降水 数据集和气候预测中心降水合成（climate prediction center merged analysis of precipitation，CMAP）数据集。1979年后，MPE 方法进入了蓬勃发展阶段，随着数据源的多元化，尤其是TRMM 卫星的发射，MPE 方法逐渐成熟，研究区从局地转为全球，分辨率越来越精细（0.25°×0.25°，3h）。该阶段的主要标志是发展了TRMM、GSMaP、CMORPH、NRLB和PERSIANN 等高时空分辨率降水数据集。